人工智能驱动的阻塞性睡眠呼吸暂停的诊断、表型分类与风险分层

《Sleep Medicine Clinics》：Artificial Intelligence-Driven Diagnosis, Endotyping and Risk Stratification in Obstructive Sleep Apnea

　　

章节摘要

要点

• •
  通过人工智能（AI）及多导睡眠监测或家庭睡眠呼吸暂停测试以外的方法来确定阻塞性睡眠呼吸暂停（OSA）的严重程度仍然具有挑战性。
• •
  利用单通道方法（如整夜血氧监测/心电图）结合机器学习/深度学习，可以实现对高风险人群的高灵敏度筛查。
• •
  OSA的异质性要求准确的分群和风险评估，这可以通过……以合理的准确度实现。

人工智能驱动的确诊

由于OSA的高患病率，需要一种易于获取且准确的诊断方法。¹ 多种模态已被用于OSA的诊断，仅需较少的生理数据信号，因此成本更低。这些模态包括智能手表等可穿戴设备、单导联心电图（ECG）监测和脉搏血氧饱和度监测。这些方法利用了k近邻（kNNs）、支持向量机（SVMs）、隐……等算法。

人工智能驱动的生理表型分型

OSA的异质性已被充分证实，许多研究识别了相关的生理表型，如高环路增益、上气道塌陷性增加、低觉醒阈值以及上气道肌肉代偿不良。²⁹ 捕获这些表型的能力大多局限于专业研究中心，在常规临床实践中应用有限。如果这些表型可以通过基于PSG的技术进行近似估计，将是非常有用的，因为这种方法……

阻塞性睡眠呼吸暂停风险评估

OSA与多种医疗并发症有关，包括猝死、死亡率、高血压、冠状动脉疾病、心律失常、充血性心力衰竭、癌症、痴呆、肾脏疾病和糖尿病。36, 37, 38, 39, 40, 41, 42, 43 OSA还与职业伤害和机动车事故风险增加有关。44, 45, 46, 47

已经充分证实，OSA是一种异质性疾病，其长期健康结果的风险各不相同。疾病诊断和严重程度是……

总结

AI在睡眠医学领域，特别是在OSA的诊断、表型分型和风险评估方面显示出应用前景。卷积神经网络（CNNs）在诊断指标方面取得了令人鼓舞的结果，但标准化方面仍存在挑战。利用ONO（整夜血氧监测）和ECG进行OSA的AI预测在筛查高风险人群方面可以证明是有益的。聚类分析可用于对OSA高风险患者进行分类，并帮助实现个体化治疗，如识别那些……

局限性

• •
  由于样本量小、患者群体有限且缺乏独立复制队列，许多研究的泛化能力不足
• •
  使用了多种AI算法，结果各异且难以解释
• •
  许多关于使用AI诊断OSA的研究排除了合并心血管疾病等基础疾病的患者

未来展望

• •
  未来研究应纳入更大规模、更多样化的数据集来训练AI模型，通过稳健的复制分析提高泛化能力
• •
  研究应包含更详细的方法学，以便正确复制结果
• •
  将合并其他疾病的患者纳入研究以评估AI模型的准确性
• •
  提高可穿戴设备中所用算法的透明度，以促进标准化和更稳健的研究，从而方便其纳入常规实践

临床护理要点

• •
  AI有助于从多维度了解OSA严重程度，而非AHI所提供的单一维度方法。
• •
  未来可穿戴设备的多夜研究可能会因AI的应用而变得更加简便，从而更好地了解睡眠呼吸暂停严重程度，而非目前仅依赖单夜的方法。
• •
  通过AI及PSG或HSAT以外的方法确定OSA严重程度仍然具有挑战性。
• •
  AI未来有助于提高OSA诊断工具的可及性。
• •
  筛查……

披露

G. Alqenae博士无任何披露。N.T. Ayas博士报告在过去2年内从Eli Lilly、Nox、Jazz、Axsome、Resolute、Samsung及Medical Learning Institute获得收入。他还持有SleepSheep的股权。A. Boussina博士持有Clairyon Inc的股权并担任顾问，Clairyon Inc是一家开发预测分析相关产品的初创公司。根据加州大学圣地亚哥分校的利益冲突政策，该安排的条款已接受审查并获批。A.……

Ghassan Alqenae|Najib T. Ayas|Aaron Boussina|Atul Malhotra